[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M74106PC9T1JSYZJ72Z1X6VQ":3,"skill-same:01M74106PC9T1JSYZJ72Z1X6VQ":59},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":26,"commitSha":27,"skillDirectory":28,"forksCount":29,"repositoryHtmlUrl":30,"repositoryHomepageUrl":31,"ownerHtmlUrl":32,"ownerBlogUrl":33,"ownerDescription":34,"updatedAt":35,"install":36,"resources":48},"01M74106PC9T1JSYZJ72Z1X6VQ","quantall-mcp",null,"QuantAll（全A解析）MCP —— 股市全市场向量化计算引擎，为 AI 提供本地 Python 计算环境。 AI 编写向量化代码片段，数秒内完成 5000+ 股票的因子计算、策略回测、IC 分析和 GPU 可视化。 让 AI 从\"信息查询者\"升级为\"数据计算者\"——用代码算出客观结果，而非搬运网络观点。 触发：用户明确提到\"回测\"\"因子分析\"\"IC分析\"\"选股策略\"\"QuantAll\"\"全A解析\"等量化关键词时。 不主动在普通股市聊天中触发，仅在用户有明确量化分析需求时使用。 能力声明：本技能需在用户电脑上创建 Python 虚拟环境（300MB+）、安装 quantall 库、 修改 MCP 配置、启动本地 HTTP 服务（localhost:8686）、创建配置文件和启动脚本。 所有涉及用户电脑的操作，AI 必须事先告知用户并获得同意。 UpdateStock 为可选辅助 MCP（数据库管理，需 tushare API），非 QuantAll 必需。","bg-szy\u002FTOP-SKILLS","bg-szy","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F106576190?v=4","01M73A4E8KPV67SFXRY8XZGNBX","ShuZhiyong","01M73A4E96MQ294MHM74TZBVQD",6,"MIT","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fquantall-mcp\u002FSKILL.md",[],[],"2026-11-11 15:11:14",false,"---\nname: quantall-mcp\ndescription: >\n  QuantAll（全A解析）MCP —— 股市全市场向量化计算引擎，为 AI 提供本地 Python 计算环境。\n  AI 编写向量化代码片段，数秒内完成 5000+ 股票的因子计算、策略回测、IC 分析和 GPU 可视化。\n  让 AI 从\"信息查询者\"升级为\"数据计算者\"——用代码算出客观结果，而非搬运网络观点。\n  触发：用户明确提到\"回测\"\"因子分析\"\"IC分析\"\"选股策略\"\"QuantAll\"\"全A解析\"等量化关键词时。\n  不主动在普通股市聊天中触发，仅在用户有明确量化分析需求时使用。\n  能力声明：本技能需在用户电脑上创建 Python 虚拟环境（300MB+）、安装 quantall 库、\n  修改 MCP 配置、启动本地 HTTP 服务（localhost:8686）、创建配置文件和启动脚本。\n  所有涉及用户电脑的操作，AI 必须事先告知用户并获得同意。\n  UpdateStock 为可选辅助 MCP（数据库管理，需 tushare API），非 QuantAll 必需。\nagent_created: true\nlicense: MIT\n---\n\n# QuantAll（全A解析）MCP 技能\n\n---\n\n## 这是什么\n\nQuantAll 是一台运行在用户本地电脑上的**全市场向量化计算引擎**。它把 A 股 5000+ 只股票、150+ 维度的数据组织为统一矩阵，AI 只需编写简短的 Python 向量化代码片段，就能在数秒内完成全市场运算——因子计算、策略回测、IC 分析、多维可视化。\n\n**对 AI 的意义**：不再只是\"查询信息然后转述\"，而是能**用代码算出客观结果**。用户问\"小盘股是不是比大盘股表现好\"，AI 不需要去搜索别人的观点，而是直接用全市场数据算出 IC 指标、回测收益，给出有数据支撑的结论。这是从\"数据搬运工\"到\"数据分析师\"的根本转变。\n\n> **工具详细用法**（参数、触发场景、代码模板、核心函数）在 `scripts\u002Fdata\u002Fai_prompts.toml` 中，MCP 连接后 AI 自动获取。SKILL.md 只讲顶层定位、安装、启动、更新和 AI 行为规范。实战案例参见 `references\u002Fquantall_playbook.md`。\n\n---\n\n## 架构\n\n| 组件 | 类型 | 定位 | 依赖 |\n|------|------|------|------|\n| **QuantAll**（全A解析） | HTTP MCP (localhost:8686) | 计算引擎：因子计算\u002F回测\u002FIC分析\u002F可视化 | 本地 DuckDB 数据库 |\n| **UpdateStock** | stdio MCP（可选） | 数据库管理：创建\u002F更新\u002F查询行情 | tushare API key |\n\n两者共用同一个 DuckDB 数据库，路径通过 `scripts\u002FDB_setting.json` 管理。**QuantAll 独立可运行，UpdateStock 不是必需依赖**——有自己的数据库或仅用内置测试库即可。\n\n---\n\n## 📦 安装（首次安装，AI 必读）\n\n> ⚠️ **AI 行为规范**：安装前必须告知用户以下操作内容并获得同意：\n> - 在 `scripts\u002F` 下创建 Python 虚拟环境（约 45 个依赖包，300MB+ 磁盘空间）\n> - 从清华 PyPI 镜像源下载安装 quantall 库\n> - 修改 `~\u002F.workbuddy\u002Fmcp.json` 添加 MCP 服务配置\n> - 后续启动时会运行本地 HTTP 服务（localhost:8686）并可能弹出用户协议窗口\n\n```\n□ 1. 创建 venv：\n   \u003CPython路径> -m venv \u003Cskill-dir>\u002Fscripts\u002F.venv\n   推荐：C:\u002FUsers\u002F\u003C用户>\u002F.workbuddy\u002Fbinaries\u002Fpython\u002Fversions\u002F3.13.12\u002Fpython.exe\n\n□ 2. pip 安装（务必用清华源，否则 PySide6 等大包下载超时）：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -m pip install quantall -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n□ 3. 验证安装：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -c \"from QuantAll import Start_main; print('OK')\"\n\n□ 4. 配置 MCP（修改 ~\u002F.workbuddy\u002Fmcp.json）：\n   见下方 MCP 配置\n\n□ 5. 启动服务：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe \u003Cskill-dir>\u002Fscripts\u002FStart_QuantAll.py\n   检查 8686 端口是否监听\n\n□ 6. ⚠️ 提醒用户重连 MCP 连接器（或重启 WorkBuddy）\n```\n\n**常见坑**：\n- **Git Bash 路径**：传参给 Python 必须用 `C:\u002F` 前缀（非 `\u002Fc\u002F`），否则双重转义找不到文件\n- **safe-delete 冲突**：WorkBuddy Python 运行时可能拦截 pip 文件覆盖，报 `SAFE_DELETE_FAIL_CLOSED`。解决：重建 venv（`rm -rf .venv && python -m venv .venv`）后重试，或用 `dangerouslyDisableSandbox: true`\n- **import 大小写**：`from QuantAll import ...`（大写 Q、A），`import quantall` 会失败\n\n### MCP 配置\n\n```json\n{\n  \"mcpServers\": {\n    \"全A解析\": { \"url\": \"http:\u002F\u002F127.0.0.1:8686\u002Fmcp\", \"disabled\": false },\n    \"UpdateStock\": {\n      \"command\": \"\u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe\",\n      \"args\": [\"\u003Cskill-dir>\u002Fscripts\u002FUpdateStock_skill.py\"],\n      \"disabled\": false\n    }\n  }\n}\n```\n\n> UpdateStock 可选——不配置也能用 QuantAll。仅需要计算引擎时只配「全A解析」。\n\n### 数据库\n\nQuantAll 首次启动自动创建 `scripts\u002FDB_setting.json`，默认连接 pip 包内置的 Test.duckdb（仅沪深300近两年基础行情，**仅供测试，pip 更新会覆盖**）。\n\n正式使用需切换到自己的数据库（修改 `db_path`）：\n\n| 方案 | 说明 |\n|------|------|\n| A. 内置 Test.duckdb | pip 包自带，仅沪深300近两年基础行情，仅供测试 |\n| B. UpdateStock 创建 | 需 tushare：2000+ 积分全市场 \u002F 200 积分免费精简版 |\n| C. 自有数据库 | 修改 `DB_setting.json` 的 `db_path` 直连 |\n\n> ⚠️ **AI 行为规范**：修改 `DB_setting.json` 前告知用户当前数据库路径和将要切换的目标路径。\n\n### 桌面快捷方式（可选，AI 主动询问）\n\n安装后 AI 应主动询问：\"是否需要创建桌面快捷方式？\"创建 `scripts\u002Frun.bat`（后台启动，无控制台窗口），再为它创建桌面 `.lnk`。\n\n> ⚠️ **不要在桌面创建 .bat 文件**——Windows cmd 以 GBK 读取 .bat，AI 写入的 UTF-8 中文会乱码。正确做法：先创建 `scripts\u002Frun.bat`，再创建指向它的桌面 `.lnk`。\n\n---\n\n## 🚀 启动\n\nQuantAll 是独立的 HTTP 服务，**不依赖 UpdateStock 启动**。三种方式任选其一：\n\n| 方式 | 操作 | 适用场景 |\n|------|------|---------|\n| AI 调用 | 通过 UpdateStock MCP 的 `Start_QuantAll` 工具 | AI 场景，可自动检测端口 |\n| 双击 run.bat | 后台启动，无控制台窗口 | 手动场景最方便 |\n| 命令行 | `\u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe Start_QuantAll.py` | 调试或自定义 |\n\n> ⚠️ **AI 行为规范**：启动服务前告知用户——QuantAll 将在本地 8686 端口启动 HTTP 服务，并可能弹出用户协议确认窗口。\n\n**用户协议**：首次启动弹协议窗口，点击确认即\"激活\"（永久同意），功能无差异。未确认前除 `ping` 外所有工具被阻止（合规要求）。\n\n**MCP 重连**：QuantAll 后于 AI 启动时，需断开重连 MCP 连接器（或重启 WorkBuddy）。首次连接需点击\"信任\"授权。\n\n---\n\n## 🔄 更新\u002F升级\n\n> **核心规则**：技能包文件更新后，Python 库 `quantall` 也必须同步升级，否则新接口在旧库上会报错。\n\n```\n□ 1. 升级库：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -m pip install --upgrade quantall -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n□ 2. 验证版本：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -c \"import QuantAll; print(QuantAll.__version__)\"\n   确认 >= requirements.txt 要求的版本\n\n□ 3. 重启 QuantAll 服务（先关旧进程再启动）\n\n□ 4. ⚠️ 提醒用户重连 MCP\n```\n\n- safe-delete 冲突时：先 `pip uninstall quantall`，再 `pip install quantall`\n- `pip install --upgrade` 是幂等的，不确定是否需要升级时直接执行\n- 版本检测：对比 `_meta.json` 的 version 与已安装库 `QuantAll.__version__`\n\n---\n\n## ⚠️ AI 操作用户电脑的行为规范\n\n本技能涉及多项用户电脑操作。AI 执行前**必须告知用户**将要做什么、产生什么影响：\n\n| 操作 | 告知内容 |\n|------|---------|\n| 创建 venv | 将在 `scripts\u002F` 下创建虚拟环境（约 300MB 磁盘空间） |\n| pip install | 从清华源下载约 45 个包（含 PySide6 等大型包） |\n| 修改 mcp.json | 将添加 MCP 服务配置到 `~\u002F.workbuddy\u002Fmcp.json` |\n| 启动服务 | 将在 localhost:8686 启动 HTTP 后台服务 |\n| 创建文件 | 可能创建 `DB_setting.json`、`run.bat`、桌面 `.lnk` 快捷方式 |\n| 修改数据库路径 | 将修改 `DB_setting.json` 的 `db_path`，影响 QuantAll 读取的数据 |\n\n> **原则**：不在用户不知情的情况下执行任何系统操作。涉及文件创建、配置修改、服务启动等操作前，先说明意图，获得用户同意后再执行。\n\n---\n\n## 工具总览\n\n安装并连接 MCP 后，AI 通过 `scripts\u002Fdata\u002Fai_prompts.toml` 自动获取每个工具的详细用法（参数、触发场景、代码模板、核心函数）。以下是概览：\n\n| 工具 | 用途 |\n|------|------|\n| `ping` | 健康检查 |\n| `available_data` | 查看可用数据字段 |\n| `how_code` | 查看代码执行环境说明 |\n| `strategy_backtest` | 策略回测（收益\u002F夏普\u002F回撤\u002F胜率） |\n| `factor_analysis` | 因子 IC 分析 |\n| `batch_factor_analysis` | 批量因子 IC 分析 |\n| `batch_factor_corr` | 因子间批量相关性计算 |\n| `save_factor_result` | 保存因子分析结果到数据库 |\n| `new_layer_from_code` | 创建可视化图层标记 |\n| `select_by_code` | 筛选股票（集合运算） |\n| `batch_select` | 批量筛选（多条件对比\u002F交集\u002F并集） |\n| `move_by_code` | 坐标平移映射 |\n| `weight_by_code` | 权重设置 |\n| `batch_weight` | 批量权重对比（多权重方案） |\n| `heat_map` | 热力图统计 |\n| `get_user_selection` | 获取用户 GUI 交互选中 |\n| `MCP_Close` | 关闭服务 ⚠️（仅不再需要时调用） |\n\n### AI 使用前必知\n\n- **先 ping 确认服务就绪**，未启动则引导用户启动\n- **先 available_data 确认字段**，不要假设字段名（数据库字段名经 `db_translate.json` 翻译层映射为中文）\n- **不支持并行调用**，所有工具串行执行（一个返回后再发下一个）\n- **代码必须向量化**：禁止 import \u002F 循环 \u002F lambda \u002F axis=1，最后一行设 `out = ...`\n- **复权价格手动算**：`adj_close = d['close'] * d['adj_factor']`\n- **每股因子必须除以 close**（非复权价），比率类\u002F增长率类不需要\n- **持仓矩阵必须用 `hold_until(buy, sell)`**，禁止手写逆序 cumsum\n- **内置函数**：`hold_until`\u002F`entry_check`（持仓）、`time_at`\u002F`time_between`\u002F`time_in`（时间）、`row_rank`（截面排名）、`row_top_n`\u002F`row_bottom_n`（截面 Top\u002FBottom N 筛选）\n- **detail 视图返回约 140 万字符**，AI 内部分析后只汇报结论，禁止直接展示\n\n> 详细参数说明、触发场景、代码模板、核心函数参考：`scripts\u002Fdata\u002Fai_prompts.toml`\n> 实战案例、模式对比、踩坑记录：`references\u002Fquantall_playbook.md`\n\n---\n\n## 版本历史\n\n- **v1.0** — 首版发布。13 个工具，配套 ai_prompts.toml 和 playbook 实战手册。PyPI 在线安装。\n- **v1.0.1** — 新增技能升级流程；requirements.txt 更新为 >=1.0.1；SKILL.md 精简至 500 行以内。\n- **v1.0.2** — 优化 clawhub 审查问题：触发条件收窄（仅明确量化需求时触发）、能力声明透明化（venv\u002Fpip\u002Fmcp.json\u002FHTTP 服务全部显式声明）、新增 AI 操作用户电脑的行为规范表、详细工具用法指向 ai_prompts.toml 不在 SKILL.md 展开。新增批量分析工具 `batch_weight`\u002F`batch_select`（对应 `weight_by_code`\u002F`select_by_code` 的批量版本）。新增 `batch_factor_corr`（因子间批量相关性计算，支持自定义基准因子）。新增 `how_code`（代码执行环境说明，帮助 AI 快速上手）。新增 exec 内置函数 `row_top_n(df,n)`\u002F`row_bottom_n(df,n)`（截面 Top\u002FBottom N 筛选）。热力图\u002F直方图统计新增 `summary` 评估参数（分布均匀度\u002F边缘突发等）。`batch_weight` 新增 `view` 参数（summary=评估参数\u002Fheatmap=完整矩阵）及\"权重未改变\"提示。`batch_select` mode 重命名为描述性名称（independent_summary\u002Findependent_heatmap\u002Fintersect\u002Funion）。修复批量因子分析执行异常及 batch_select intersect\u002Funion\u002Findependent 模式 bug。requirements.txt 固定版本号。\n","# QuantAll（全A解析）MCP 技能\n\n---\n\n## 这是什么\n\nQuantAll 是一台运行在用户本地电脑上的**全市场向量化计算引擎**。它把 A 股 5000+ 只股票、150+ 维度的数据组织为统一矩阵，AI 只需编写简短的 Python 向量化代码片段，就能在数秒内完成全市场运算——因子计算、策略回测、IC 分析、多维可视化。\n\n**对 AI 的意义**：不再只是\"查询信息然后转述\"，而是能**用代码算出客观结果**。用户问\"小盘股是不是比大盘股表现好\"，AI 不需要去搜索别人的观点，而是直接用全市场数据算出 IC 指标、回测收益，给出有数据支撑的结论。这是从\"数据搬运工\"到\"数据分析师\"的根本转变。\n\n> **工具详细用法**（参数、触发场景、代码模板、核心函数）在 `scripts\u002Fdata\u002Fai_prompts.toml` 中，MCP 连接后 AI 自动获取。SKILL.md 只讲顶层定位、安装、启动、更新和 AI 行为规范。实战案例参见 `references\u002Fquantall_playbook.md`。\n\n---\n\n## 架构\n\n| 组件 | 类型 | 定位 | 依赖 |\n|------|------|------|------|\n| **QuantAll**（全A解析） | HTTP MCP (localhost:8686) | 计算引擎：因子计算\u002F回测\u002FIC分析\u002F可视化 | 本地 DuckDB 数据库 |\n| **UpdateStock** | stdio MCP（可选） | 数据库管理：创建\u002F更新\u002F查询行情 | tushare API key |\n\n两者共用同一个 DuckDB 数据库，路径通过 `scripts\u002FDB_setting.json` 管理。**QuantAll 独立可运行，UpdateStock 不是必需依赖**——有自己的数据库或仅用内置测试库即可。\n\n---\n\n## 📦 安装（首次安装，AI 必读）\n\n> ⚠️ **AI 行为规范**：安装前必须告知用户以下操作内容并获得同意：\n> - 在 `scripts\u002F` 下创建 Python 虚拟环境（约 45 个依赖包，300MB+ 磁盘空间）\n> - 从清华 PyPI 镜像源下载安装 quantall 库\n> - 修改 `~\u002F.workbuddy\u002Fmcp.json` 添加 MCP 服务配置\n> - 后续启动时会运行本地 HTTP 服务（localhost:8686）并可能弹出用户协议窗口\n\n```\n□ 1. 创建 venv：\n   \u003CPython路径> -m venv \u003Cskill-dir>\u002Fscripts\u002F.venv\n   推荐：C:\u002FUsers\u002F\u003C用户>\u002F.workbuddy\u002Fbinaries\u002Fpython\u002Fversions\u002F3.13.12\u002Fpython.exe\n\n□ 2. pip 安装（务必用清华源，否则 PySide6 等大包下载超时）：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -m pip install quantall -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n□ 3. 验证安装：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -c \"from QuantAll import Start_main; print('OK')\"\n\n□ 4. 配置 MCP（修改 ~\u002F.workbuddy\u002Fmcp.json）：\n   见下方 MCP 配置\n\n□ 5. 启动服务：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe \u003Cskill-dir>\u002Fscripts\u002FStart_QuantAll.py\n   检查 8686 端口是否监听\n\n□ 6. ⚠️ 提醒用户重连 MCP 连接器（或重启 WorkBuddy）\n```\n\n**常见坑**：\n- **Git Bash 路径**：传参给 Python 必须用 `C:\u002F` 前缀（非 `\u002Fc\u002F`），否则双重转义找不到文件\n- **safe-delete 冲突**：WorkBuddy Python 运行时可能拦截 pip 文件覆盖，报 `SAFE_DELETE_FAIL_CLOSED`。解决：重建 venv（`rm -rf .venv && python -m venv .venv`）后重试，或用 `dangerouslyDisableSandbox: true`\n- **import 大小写**：`from QuantAll import ...`（大写 Q、A），`import quantall` 会失败\n\n### MCP 配置\n\n```json\n{\n  \"mcpServers\": {\n    \"全A解析\": { \"url\": \"http:\u002F\u002F127.0.0.1:8686\u002Fmcp\", \"disabled\": false },\n    \"UpdateStock\": {\n      \"command\": \"\u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe\",\n      \"args\": [\"\u003Cskill-dir>\u002Fscripts\u002FUpdateStock_skill.py\"],\n      \"disabled\": false\n    }\n  }\n}\n```\n\n> UpdateStock 可选——不配置也能用 QuantAll。仅需要计算引擎时只配「全A解析」。\n\n### 数据库\n\nQuantAll 首次启动自动创建 `scripts\u002FDB_setting.json`，默认连接 pip 包内置的 Test.duckdb（仅沪深300近两年基础行情，**仅供测试，pip 更新会覆盖**）。\n\n正式使用需切换到自己的数据库（修改 `db_path`）：\n\n| 方案 | 说明 |\n|------|------|\n| A. 内置 Test.duckdb | pip 包自带，仅沪深300近两年基础行情，仅供测试 |\n| B. UpdateStock 创建 | 需 tushare：2000+ 积分全市场 \u002F 200 积分免费精简版 |\n| C. 自有数据库 | 修改 `DB_setting.json` 的 `db_path` 直连 |\n\n> ⚠️ **AI 行为规范**：修改 `DB_setting.json` 前告知用户当前数据库路径和将要切换的目标路径。\n\n### 桌面快捷方式（可选，AI 主动询问）\n\n安装后 AI 应主动询问：\"是否需要创建桌面快捷方式？\"创建 `scripts\u002Frun.bat`（后台启动，无控制台窗口），再为它创建桌面 `.lnk`。\n\n> ⚠️ **不要在桌面创建 .bat 文件**——Windows cmd 以 GBK 读取 .bat，AI 写入的 UTF-8 中文会乱码。正确做法：先创建 `scripts\u002Frun.bat`，再创建指向它的桌面 `.lnk`。\n\n---\n\n## 🚀 启动\n\nQuantAll 是独立的 HTTP 服务，**不依赖 UpdateStock 启动**。三种方式任选其一：\n\n| 方式 | 操作 | 适用场景 |\n|------|------|---------|\n| AI 调用 | 通过 UpdateStock MCP 的 `Start_QuantAll` 工具 | AI 场景，可自动检测端口 |\n| 双击 run.bat | 后台启动，无控制台窗口 | 手动场景最方便 |\n| 命令行 | `\u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe Start_QuantAll.py` | 调试或自定义 |\n\n> ⚠️ **AI 行为规范**：启动服务前告知用户——QuantAll 将在本地 8686 端口启动 HTTP 服务，并可能弹出用户协议确认窗口。\n\n**用户协议**：首次启动弹协议窗口，点击确认即\"激活\"（永久同意），功能无差异。未确认前除 `ping` 外所有工具被阻止（合规要求）。\n\n**MCP 重连**：QuantAll 后于 AI 启动时，需断开重连 MCP 连接器（或重启 WorkBuddy）。首次连接需点击\"信任\"授权。\n\n---\n\n## 🔄 更新\u002F升级\n\n> **核心规则**：技能包文件更新后，Python 库 `quantall` 也必须同步升级，否则新接口在旧库上会报错。\n\n```\n□ 1. 升级库：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -m pip install --upgrade quantall -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n□ 2. 验证版本：\n   \u003Cskill-dir>\u002Fscripts\u002F.venv\u002FScripts\u002Fpython.exe -c \"import QuantAll; print(QuantAll.__version__)\"\n   确认 >= requirements.txt 要求的版本\n\n□ 3. 重启 QuantAll 服务（先关旧进程再启动）\n\n□ 4. ⚠️ 提醒用户重连 MCP\n```\n\n- safe-delete 冲突时：先 `pip uninstall quantall`，再 `pip install quantall`\n- `pip install --upgrade` 是幂等的，不确定是否需要升级时直接执行\n- 版本检测：对比 `_meta.json` 的 version 与已安装库 `QuantAll.__version__`\n\n---\n\n## ⚠️ AI 操作用户电脑的行为规范\n\n本技能涉及多项用户电脑操作。AI 执行前**必须告知用户**将要做什么、产生什么影响：\n\n| 操作 | 告知内容 |\n|------|---------|\n| 创建 venv | 将在 `scripts\u002F` 下创建虚拟环境（约 300MB 磁盘空间） |\n| pip install | 从清华源下载约 45 个包（含 PySide6 等大型包） |\n| 修改 mcp.json | 将添加 MCP 服务配置到 `~\u002F.workbuddy\u002Fmcp.json` |\n| 启动服务 | 将在 localhost:8686 启动 HTTP 后台服务 |\n| 创建文件 | 可能创建 `DB_setting.json`、`run.bat`、桌面 `.lnk` 快捷方式 |\n| 修改数据库路径 | 将修改 `DB_setting.json` 的 `db_path`，影响 QuantAll 读取的数据 |\n\n> **原则**：不在用户不知情的情况下执行任何系统操作。涉及文件创建、配置修改、服务启动等操作前，先说明意图，获得用户同意后再执行。\n\n---\n\n## 工具总览\n\n安装并连接 MCP 后，AI 通过 `scripts\u002Fdata\u002Fai_prompts.toml` 自动获取每个工具的详细用法（参数、触发场景、代码模板、核心函数）。以下是概览：\n\n| 工具 | 用途 |\n|------|------|\n| `ping` | 健康检查 |\n| `available_data` | 查看可用数据字段 |\n| `how_code` | 查看代码执行环境说明 |\n| `strategy_backtest` | 策略回测（收益\u002F夏普\u002F回撤\u002F胜率） |\n| `factor_analysis` | 因子 IC 分析 |\n| `batch_factor_analysis` | 批量因子 IC 分析 |\n| `batch_factor_corr` | 因子间批量相关性计算 |\n| `save_factor_result` | 保存因子分析结果到数据库 |\n| `new_layer_from_code` | 创建可视化图层标记 |\n| `select_by_code` | 筛选股票（集合运算） |\n| `batch_select` | 批量筛选（多条件对比\u002F交集\u002F并集） |\n| `move_by_code` | 坐标平移映射 |\n| `weight_by_code` | 权重设置 |\n| `batch_weight` | 批量权重对比（多权重方案） |\n| `heat_map` | 热力图统计 |\n| `get_user_selection` | 获取用户 GUI 交互选中 |\n| `MCP_Close` | 关闭服务 ⚠️（仅不再需要时调用） |\n\n### AI 使用前必知\n\n- **先 ping 确认服务就绪**，未启动则引导用户启动\n- **先 available_data 确认字段**，不要假设字段名（数据库字段名经 `db_translate.json` 翻译层映射为中文）\n- **不支持并行调用**，所有工具串行执行（一个返回后再发下一个）\n- **代码必须向量化**：禁止 import \u002F 循环 \u002F lambda \u002F axis=1，最后一行设 `out = ...`\n- **复权价格手动算**：`adj_close = d['close'] * d['adj_factor']`\n- **每股因子必须除以 close**（非复权价），比率类\u002F增长率类不需要\n- **持仓矩阵必须用 `hold_until(buy, sell)`**，禁止手写逆序 cumsum\n- **内置函数**：`hold_until`\u002F`entry_check`（持仓）、`time_at`\u002F`time_between`\u002F`time_in`（时间）、`row_rank`（截面排名）、`row_top_n`\u002F`row_bottom_n`（截面 Top\u002FBottom N 筛选）\n- **detail 视图返回约 140 万字符**，AI 内部分析后只汇报结论，禁止直接展示\n\n> 详细参数说明、触发场景、代码模板、核心函数参考：`scripts\u002Fdata\u002Fai_prompts.toml`\n> 实战案例、模式对比、踩坑记录：`references\u002Fquantall_playbook.md`\n\n---\n\n## 版本历史\n\n- **v1.0** — 首版发布。13 个工具，配套 ai_prompts.toml 和 playbook 实战手册。PyPI 在线安装。\n- **v1.0.1** — 新增技能升级流程；requirements.txt 更新为 >=1.0.1；SKILL.md 精简至 500 行以内。\n- **v1.0.2** — 优化 clawhub 审查问题：触发条件收窄（仅明确量化需求时触发）、能力声明透明化（venv\u002Fpip\u002Fmcp.json\u002FHTTP 服务全部显式声明）、新增 AI 操作用户电脑的行为规范表、详细工具用法指向 ai_prompts.toml 不在 SKILL.md 展开。新增批量分析工具 `batch_weight`\u002F`batch_select`（对应 `weight_by_code`\u002F`select_by_code` 的批量版本）。新增 `batch_factor_corr`（因子间批量相关性计算，支持自定义基准因子）。新增 `how_code`（代码执行环境说明，帮助 AI 快速上手）。新增 exec 内置函数 `row_top_n(df,n)`\u002F`row_bottom_n(df,n)`（截面 Top\u002FBottom N 筛选）。热力图\u002F直方图统计新增 `summary` 评估参数（分布均匀度\u002F边缘突发等）。`batch_weight` 新增 `view` 参数（summary=评估参数\u002Fheatmap=完整矩阵）及\"权重未改变\"提示。`batch_select` mode 重命名为描述性名称（independent_summary\u002Findependent_heatmap\u002Fintersect\u002Funion）。修复批量因子分析执行异常及 batch_select intersect\u002Funion\u002Findependent 模式 bug。requirements.txt 固定版本号。\n",{"name":5,"license":15,"description":24,"agent_created":25},"QuantAll（全A解析）MCP —— 股市全市场向量化计算引擎，为 AI 提供本地 Python 计算环境。 AI 编写向量化代码片段，数秒内完成 5000+ 股票的因子计算、策略回测、IC 分析和 GPU 可视化。 让 AI 从\"信息查询者\"升级为\"数据计算者\"——用代码算出客观结果，而非搬运网络观点。 触发：用户明确提到\"回测\"\"因子分析\"\"IC分析\"\"选股策略\"\"QuantAll\"\"全A解析\"等量化关键词时。 不主动在普通股市聊天中触发，仅在用户有明确量化分析需求时使用。 能力声明：本技能需在用户电脑上创建 Python 虚拟环境（300MB+）、安装 quantall 库、 修改 MCP 配置、启动本地 HTTP 服务（localhost:8686）、创建配置文件和启动脚本。 所有涉及用户电脑的操作，AI 必须事先告知用户并获得同意。 UpdateStock 为可选辅助 MCP（数据库管理，需 tushare API），非 QuantAll 必需。\n",true,"master","63f17866001c5ca854bf2fa0b678ce277133de5b","skills\u002Fmarketplace\u002Fquantall-mcp",0,"https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS","https:\u002F\u002Fbg-szy.github.io\u002FTOP-SKILLS\u002F","https:\u002F\u002Fgithub.com\u002Fbg-szy","https:\u002F\u002Fwww.ecust.edu.cn\u002F","a student of East China University of Science and Technology","2026-11-15 03:38:02",{"source":8,"skillName":5,"commands":37,"prompt":47,"zipAvailable":25},[38,41,44],{"tool":39,"command":40},"npx","npx skills add bg-szy\u002FTOP-SKILLS --skill quantall-mcp",{"tool":42,"command":43},"bunx","bunx skills add bg-szy\u002FTOP-SKILLS --skill quantall-mcp",{"tool":45,"command":46},"pnpm","pnpm dlx skills add bg-szy\u002FTOP-SKILLS --skill quantall-mcp","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fquantall-mcp\u002FSKILL.md",[49,55],{"path":50,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":53,"sourceHtmlUrl":54},"requirements.txt","REFERENCE","参考文档",17,"https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fquantall-mcp\u002Frequirements.txt",{"path":56,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":57,"sourceHtmlUrl":58},"skill-report.json",111806,"https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fquantall-mcp\u002Fskill-report.json",[60,68,75,82,89,96],{"skillNo":61,"name":62,"nameZh":6,"description":63,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":64,"categories":65,"keywords":66,"publishedAt":67},"01M7DXW9N826PKXK174PVW3038","serpmaven","Scrape Google search results (SERP) to JSON with SERP Maven (serpmaven) - a real Chrome browser on a residential proxy with sticky sessions. Run it as a CLI, a Python library, a local HTTP search API (`serve`), an MCP server or a Docker image; set the proxy login, workers, pages and cost tracking. Use when the user wants Google results, rank tracking, a self-hosted SERP API, or live Google search for an AI agent.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fserpmaven\u002FSKILL.md",[],[],"2026-11-15 14:19:17",{"skillNo":69,"name":70,"nameZh":6,"description":71,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":67},"01M7DXVHSTWDV65475QEQ915M7","revnu-landing-page-audit","Find out why a landing page isn't turning visitors into signups, demos or sales. Audits one page against what the ad, post or search that sends people there promised, then checks the first screen, proof, call to action, friction and mobile. Returns at most 7 prioritized fixes, plus what is fine and what could not be checked; rewrites specific lines and fixes the page in the repo when asked. Never promises a conversion lift. Works without a Revnu account. Use when the user says or asks: \"audit my landing page\", \"why isn't this page converting\", \"review my homepage\", \"my ads get clicks but no signups\", \"people bounce from the pricing page\", \"CRO review\", \"improve conversion rate\", \"is my hero section clear\", \"roast my landing page\", \"rewrite my headline\", \"what's wrong with this page\", \"landing page feedback\", \"make the signup page convert better\". Not for SEO or AI-search audits, page speed engineering on its own, or building a new page from scratch.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Frevnu-landing-page-audit\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":67},"01M7DXV8X2D7B3VTD4HHYYHTGR","revnu-growth-context","Write down once who buys, what they're stuck on, what it costs, what proof you have and what you've already tried, so every growth task starts from facts instead of a questionnaire. Creates or updates .agents\u002Frevnu-growth.md from the repo, the live site and the user, and imports an existing product-marketing.md. Use when the user says \"set up our marketing context\", \"who is our ideal customer\", \"write our ICP\", \"describe the product for marketing\", \"positioning doc\", \"what's our brand voice\", \"remember this about our customers\", \"log what we tried\", \"what have we learned from marketing\", \"we changed pricing, update the context\", \"update our growth notes\", \"summarize the business for the agent\", \"import my product-marketing.md\", \"start a growth doc\", or before a first marketing, SEO, outreach or launch task when no context file exists. Works without a Revnu account.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Frevnu-growth-context\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":67},"01M7DXV0DGJ1G0A60PAHC6J3C5","revnu-get-listed","Get onto the third-party pages AI answers and search cite when buyers ask for the best tool in your category: \"best X\" roundups, directories, review sites, GitHub awesome lists, community threads and comparison pages. Finds which ones are cited, ranks them by fit and effort, and drafts each submission, PR or pitch by the target's own rules. Use when the user says \"get us listed\", \"which directories should we submit to\", \"how do we get into best-of lists\", \"why does ChatGPT recommend competitors and not us\", \"get mentioned in AI answers\", \"submit to awesome lists\", \"get on G2\", \"where are our competitors listed\", \"pitch listicle authors\", \"find backlink opportunities\", \"launch directories\", \"get into roundups\", \"Product Hunt alternatives\", \"where should we be listed\", \"get cited by Perplexity\". Never submits, pays or posts without a yes. Works without a Revnu account.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Frevnu-get-listed\u002FSKILL.md",[],[],{"skillNo":90,"name":91,"nameZh":6,"description":92,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":93,"categories":94,"keywords":95,"publishedAt":67},"01M7DXTSPMGT9D6DSS0HP9BSTA","revnu-ai-readiness-audit","Audit whether your website gives ChatGPT, Perplexity, Claude, Gemini and Google's AI Overviews something worth quoting, and fix the pages that don't. Use when the user says or asks \"is my site ready for AI search\", \"audit my site for AI answers\", \"AEO audit\", \"GEO audit\", \"why doesn't ChatGPT quote our pricing\", \"make our pages citable by AI\", \"do I need llms.txt\", \"does schema help with ChatGPT\", \"check our structured data\", \"is our content visible without JavaScript\", \"AI SEO audit\", \"optimize our homepage for AI answers\", \"LLM SEO check\", \"why does AI get our product wrong\", \"fix our site for AI Overviews\". Checks fetchability and indexability, answers in the raw HTML, entity facts, schema (including JS-injected markup), headings, dates and llms.txt, then gives at most 10 prioritised fixes and edits the repo when asked. Works without a Revnu account.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Frevnu-ai-readiness-audit\u002FSKILL.md",[],[],{"skillNo":97,"name":98,"nameZh":6,"description":99,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":100,"categories":101,"keywords":102,"publishedAt":67},"01M7DXSZHCVTRS620GC3S97JZV","proxy-troubleshooting","Diagnose residential proxy failures, with NodeMaven's gateway as the reference - 407 with correct credentials, 406, 410, 500, a connection that hangs, ERR_TUNNEL_CONNECTION_FAILED in a browser, Playwright or Puppeteer ignoring proxy credentials, a sticky session that changes IP, geo-targeting that is silently ignored, passwords with special characters, and unexpected traffic from headless Chrome. Use when a proxy connection fails, returns the wrong location, or costs more traffic than expected.","https:\u002F\u002Fgithub.com\u002Fbg-szy\u002FTOP-SKILLS\u002Fblob\u002Fmaster\u002Fskills\u002Fmarketplace\u002Fproxy-troubleshooting\u002FSKILL.md",[],[]]